Archiv der Kategorie: Smart Beta

Big Data und Machine Learning verschlechtern die Anlageperformance und Small Data ist attraktiv

„Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. …. Das Thema ist eng verwandt mit …. „Data-Mining“ (Wikipedia, 19.11.2017). Unter Data-Mining „versteht man die systematische Anwendung statistischer Methoden auf große Datenbestände (insbesondere „Big Data“ bzw. Massendaten) mit dem Ziel, neue Querverbindungen und Trends zu erkennen.“ (Wikipedia, 19.11.2017).

Während sich maschinelles Lernen zunächst gut anhört, wird „Data-Mining“ von unabhängigen Finanzexperten schon lange stark kritisiert. Mit meiner Firma Diversifikator verfolge ich bewußt einen möglichst einfachen Ansatz, der ohne (No Data) bzw. mit wenig (Small Data) Daten auskommt (s. auch  Evidenzbasierung und Researchbasierung ).

Weiterlesen

Tolle kostenlose Daten und Tools für Anleger und Berater

Welche Internetseite für wen am wichtigsten ist, muss jeder selbst beurteilen. Die weiter unten genannten Seiten sind aber für alle interessant, die sich mit dem Thema Asset Allokation auf verschiedene Anlageklassen beschäftigen und dafür Daten und Tools suchen, die kostenlos zur Verfügung stehen. Kostenlos muss aber nicht schlecht heißen. Manche der Daten und Tools sind besser als vieles, was ich bisher bei Profis gesehen habe. Weiterlesen

Institutionelles Herding ist ein viel größeres Problem als Algo-Herding oder Robo-Herding

Der Governor der Bank of England sieht “Algo-Herding” bzw. Herdenverhalten von Robo-Advisors als ein potentielles Problem: Robo-advice and risk management algorithms may lead to excess volatility or increase pro-cyclicality as a result of herding, particularly if the underlying algorithms are overly-sensitive to price movements or highly correlated“ (Mark Carney, Governor der Bank of England, am 26.1. 2017 laut Citywire.co.uk). Das sehe ich nicht so.

Weiterlesen

Dividendenportfolios sind immer (noch) sinnvoll

Dividendenportfolios werden seit einiger Zeit stark nachgefragt. Vielleicht sind dividendenstarke Aktien sogar schon überwertet. Trotzdem werden sie in diesen Zeiten sehr niedriger Anleiherenditen weiter von Anlegern gekauft, die regelmäßige Einnahmen haben möchten.

Ich mag Dividendenaktien, weil ich langfristig positiv für Aktien eingestellt bin, aber vor allem, weil dividendenorientierte Unternehmen meist eine gute Unternehmensführung haben. Weiterlesen

Verantwortliche (ESG) Portfolios brauchen keine Outperformance. Portfolio aus ESG ETFs mit sehr guter Performance.

Es gibt nur wenige deutsche Portfoliomanager, die ESG Faktoren (Environment (E), Social (S) und Governance (G)) bzw. ESG-ETFs berücksichtigen. Angeblich schränkt die Nutzung von ESG Kriterien das Anlageuniversum zu stark ein. Außerdem sei mit ESG Faktoren, anders als mit anderen „Faktoren“ wie „Low Volatility“, keine Outperformance zu generieren.  Und quantitativ orientierte Manager kritisieren, dass es keine guten ESG Zeitreihen für quantitative Analysen gäbe. Aber das ist überwiegend falsch. Weiterlesen

Hohe Anforderungen an gute Robo-Advisor-Portfolios

Banken, Vermögensverwalter, Vermittler, Asset Manager und Versicherungen müssen sich mit Robo-Advisors beschäftigen. Einerseits sind sie Konkurrenz, andererseits bieten sie auch Chancen, wenn man selbst zum Anbieter wird. Neben der Technik und dem Design bzw. der User Experience sollte man sich auch fragen, wie perfekte Robo-Advisor-Portfolios aussehen sollte. Weiterlesen

Konzeptionell-regelbasierte Small-Data Portfolios statt Evidence-Based Investing

In meinem letzten Beitrag habe ich Evidence-Based Investive (EBI) beschrieben. Anhänger von EBI nutzen keine Prognosen aber lieben historische Datenanalysen. Je länger die analysierte Zeitperiode, umso besser. Daher bezeichne ich EBI-Strategien ebenso wie prognosebasierte quantitative Strategien als Big Data Ansätze.

John Rekenthaler von Morningstar schreibt in seinem Rekenthaler Report vom 23.11.2016 dazu: „Investor turn towards evidence“: Weiterlesen

Evidence-Based Investing – Interessant für alle Passiv- und Robo-Advisor Fans

Am 15. November wurde in New York die meines Wissens erste Konferenz mit dem Titel Evidence-Based Investing durchgeführt (https://www.imn.org/investment-management/conference/Evidence-Based-Investing/). Mehrere meiner Lieblings-Blogger bzw. Autoren haben als Sprecher ihren Teil dazu beigetragen, vor allem Barry Ritholtz und einige seiner Kollegen aber auch Charles Ellis, Larry Swedroe, Mebane Faber, John Rekenthaler und Wesley Gray. Weiterlesen

Was ein Robo-Advisor aus aktuellem Research lernen kann

Anbieter von Geldanlagen sollten im Idealfall aktuelles Research verfolgen und daraus lernen. Das gilt auch für Robo-Advisors, die nur eine spezielle Form von Geldanlage-Anbietern sind. Up-to-date zu bleiben ist bei der Vielzahl von Research-Ergebnissen, die ständig veröffentlicht werden, allerdings schwierig. Weiterlesen

Robo-Advisors bedrohen aktive Fondsmanager: Neue Chancen für clevere Berater

John Rekenthaler ist ein sehr anerkannter Fondsexperte von Morningstar USA. Er schreibt: „Indexfunds have won. …index funds now account for more than 100% of the industry’s net sales.“ Er schlägt drei „credible responses“ von aktiven Fondsmanagern vor. Diese drei Strategien können aber auch von Robo-Advisors genutzt werden. Aktive Fondsmanager sind daher doppelt bedroht. Aber Anlageberater können durchaus davon profitieren. Weiterlesen